پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری

word
115
2 MB
30462
1393
کارشناسی ارشد
قیمت: ۱۱,۵۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری

    پایان نامه کارشناسی ارشد

    مهندسی فناوری اطلاعات

    گرایش مدیریت سیستم ­های اطلاعاتی 

    چکیده

     

    محاسبات ابری به عنوان یک مدل محاسباتی جدید است که در آن نرم­افزار، سخت­افزار، زیرساخت، بستر، داده و دیگر منابع به صورت مجازی و به عنوان سرویس، بر حسب تقاضا و از طریق اینترنت توسط فراهم­کنندگان ابر در اختیار کاربران ابر قرار می­گیرند. این مدل مبتنی بر پرداخت در ازای استفاده می­باشد، یعنی کاربران تنها برای منابعی که از آنها استفاده می­کنند هزینه پرداخت می­کنند. از جمله موضوعات مطرح در این محیط­ها می­توان به مواردی از قبیل  امنیت، مدیریت منبع و مقیاس­پذیری اشاره کرد. محیط­های ابری منابع بی­شماری را در اختیار کاربران قرار می­دهند و کاربران می­توانند میزان منابع مورد نیاز خود را کاهش و یا افزایش دهند، از ­اینرو مدیریت منبع یکی از موضوعات بسیار مهم در محاسبات ابری است. فراهم کردن سرویس در ابر بر مبنای توافق­نامه سطح سرویس (SLA) است. توافق­نامه سطح سرویس ابزاری برای تامین نیازهای غیر­عملیاتی مثل کیفیت سرویس بین فراهم­کنندگان و کاربران ابر است. به منظور دستیابی به SLA فراهم­کنندگان باید قادر به زمانبندی منابع و استقرار ابزارهای کاربردی به­گونه­ای باشند که اهداف SLA را برطرف کنند و از این طریق رضایتمندی مشتری را بدست آورند. در صورت نقض SLA فراهم­کننده باید مبلغی را به عنوان جریمه به کاربر پرداخت نماید. بنابراین آنچه برای فرهم­کنندگان اهمیت بسیاری دارد برطرف کردن نیارهای کیفیت سرویس مشتری به منظور بدست آوردن مشتریان بیشتر و کاهش میزان جریمه و افزایش سود است.

                     برای تامین نیازهای SLA ممکن است فراهم­ کنندگان بخواهند برای هر درخواستی یک ماشین­های مجازی ( VM) مجزا راه­اندازی کنند (تخصیص ایستا)، در این صورت اگرچه ممکن است نیازهای سطح سرویس برطرف شوند، اما منابع سخت­افزاری هدر می­روند که در نهایت منجر به افزایش هزینه برای فراهم­کننده می­­شود. برای برطرف کردن این مشکل روش­های چند اجاره­ای مطرح شدند که در آنها یک VM می­تواند چندین درخواست را سرویس­دهی کند، اما باید دقت شود که SLA درخواست­های مختلف رعایت شود و چنانچه بتوان روش­هایی ارائه داد که این مهم را رعایت کنند به کارایی بالاتری می­توان دست یافت (تخصیص­های پویا). از اینرو در این پژوهش یک روش زمانبندی چند اجاره­ای مبتنی بر SLA  با هدف استقرار کارای درخواست­ها روی VM پیشنهاد شده است. در این روش یک پارامتر SLA به نام مهلت زمانی  و پارامتری به عنوان اولویت برای درخواست­های کاربر و یک پارامترSLA به نام هزینه برای فراهم­­کننده تعریف شده است و نتایج بر اساس هزینه مورد ارزیابی قرار گرفته است. هزینه همان مبلغ جریمه­ای است که فراهم­کننده به دلیل نقض SLA پرداخت می­کند. برای پیاده­سازی از ابزار کلودسیم استفاده شده است و برای ارزیابی روش پیشنهادی (تخصیص پویا: شامل مهاجرت، اولویت و SLA) با دو روش تخصیص ساده (بدون در نظر گرفتن مهاجرت، اولویت و SLA) و نیز تخصیص ایستا (بدون در نظر گرفتن مهاجرت و با رعایت اولویت و SLA) مورد مقایسه قرار گرفته است. نتایج نشان­دهنده آن است که در روش پیشنهادی هزینه نسبت به دو روش دیگر پایین­تر است، چرا که به دلیل در نظر گرفتن اولویت و SLA، عدم انحصار VM توسط درخواست و امکان مهاجرت درخواست­ها تعداد درخواست­های بیشتری به منابع مورد نیازشان دست میابند و می­توانند بر اساس مهلتشان تمام شوند و این به معنای استقرار موثر درخواست­ها درVMها و استفاده بهینه از منابع است.

     

    کلمات کلیدی: محاسبات ابری، ماشین مجازی، تخصیص منبع، توافق­نامه سطح سرویس

    فصل اول

    مقدمه

     

    1-1 تعریف مسئله

    قبل از پیدایش رایانه­ ها برای یافتن اطلاعات مورد نیاز می­بایست به صورت فیزیکی به مراجع خاصی مراجعه می­شد و همین امر موجب از دست رفتن زمان و هزینه بسیار زیادی می­شد. با فراگیر شدن رایانه­ها فرایند یافتن و استفاده از اطلاعات ساده­تر شد و با ظهور اینترنت و سپس سرویس­های مبتنی بر وب تحولی ارزشمند در زمینه فناوری اطلاعات ایجاد شد. با پیشرفت فناوری اطلاعات نیاز به انجام کارهای محاسباتی در همه جا و هر زمان بوجود آمد، همچنین این نیاز بوجود آمد که سازمان­ها و افراد بتوانند کارهای سنگین محاسباتی خود را -بدون داشتن سخت­افزار و نرم­افزارهای گران-  از طریق سرویس­ های خدماتی انجام دهند. محاسبات ابری[1] آخرین پاسخ فناوری اطلاعات به این نیازها بوده است. ­­محاسبات ابری قراردادی است که امکان دسترسی به ابزارهای کاربردی، سخت­افزار، نرم­افزار، داده، بستر و زیرساخت را از طریق اینترنت و بر اساس مدل پرداخت بر اساس میزان استفاده2 فراهم می­کند، یعنی در این محیط­ها سرویس­های بسیاری مجازی  شده­اند و کاربران تنها منابعی را که مورد نیازشان است را درخواست می­دهند و فقط برای آنها هزینه پرداخت می­کنند. بنابراین در این محیط­ها سه عامل اصلی وجود دارد که شامل فراهم­کننده، کاربر و منابع می­شود. هدف این پارادایم محاسباتی نوظهور مواردی از قبیل مقیاس­پذیری، در دسترس­پذیری، گذردهی، سودمندی منابع، مدیریت منابع و امنیت  است و برای دستیابی به این اهداف با چالش­هایی مواجه است.

              با افزایش محبوبیت محاسبات ابری مرکزهای تحقیقاتی و بنگاه­ها شروع به برون­سپاری خواسته­های محاسباتی­شان به سرویس­های ابری کردند. ابرها به طور معمول مرکز داده­های مجازی شده3 در مقیاس بسیار بزرگ هستند که تعداد زیادی سرور را میزبانی می­کنند. اگرچه این زیرساخت مجازی­شده مزایای بسیاری از جمله مقیاس­پذیری بر حسب تقاضای منابع را دارد، اما هنوز هم موضوعاتی وجود دارد که مانع از پذیرش گسترده آن شده است. در عمل برای آنکه این محیط­ها بتوانند به موفقیت­های تجاری دست یابند نیاز است تا تضمین­های کیفیت4 سرویس بهتر و دقیق­تری را فراهم کنند، این تضمین­ها که به عنوان توافق­نامه سطح سرویس  مستند می­شوند بسیار حیاتی هستند، چرا که تنها در این صورت کاربران به برون­سپاری کارهایشان به ابرها اطمینان خواهند یافت. بنابراین رعایت اهداف SLA5 به منظور کسب رضایت مشتری و نیز افزایش سود فراهم­کننده از موضوع­های مهم این محیط­ها محسوب می­شوند. تهیه منبع نقش کلیدی در تضمین اینکه فراهم­کنندگان ابر به

    تعهداتشان نسبت به کاربران عمل می­کنند ایفا می­کند.  تهیه منبع به صورت اثربخش بدلیل ماهیت پویای درخواست­ها و نیاز به حمایت از ابزارهای کاربردی ناهمگون با نیازهای کارایی متفاوت یک مسئله چالش­برانگیز در محیط­های محاسبات ابری است، به عبارت دیگر تفاوت­های ماهیتی بین بارهای کاری متفاوت باعث می­شود تهیه منبع کاری دشوار باشد. برای تهیه منبع روش­های مختلفی وجود دارد، از جمله روش­های مبتنی بر توافق­نامه سطح سرویس، روش­های بازار­گرا[2]، روش­های مبتنی بر قانون و روش­های مبتنی بر کاهش مصرف انرژی. هر یک از روش­های مذکور روی موضوع خاصی تمرکز دارند، به عنوان مثال هدف رو­ش­های مبتنی بر کاهش مصرف انرژی-همانطور که از نام آن مشخص است- ارائه الگوریتم­هایی است که بتوانند میزان مصرف پاور در ابر را کاهش دهند ]11-9[ و یا تمرکز روش­های بازارگرا افزایش سود فراهم­کننده است ]3[ و ]18[.               

                   می­توان اینگونه در نظر گرفت که کاهش مصرف انرژی و افزایش سود خود به نوعی SLA محسوب می­شوند. یعنی می­توان این روش­ها را نیز به عنوان روش­های مبتنی بر SLA در نظر گرفت که پارامتر SLA در یکی کاهش مصرف انرژی و در دیگری افزایش سود در نظر گرفته شده است. در بسیاری از روش­های پارامترهایی از قبیل زمان اجرا  ]17-15[، زمان پاسخ و زمان تکمیل  ]25[ و ]28[ به عنوان SLA در نظر گرفته شده­اند. آنچه حائز اهمیت است این است که چنانچه اهداف مورد نظر مشتری تامین نشوند او انجام کارهایش را به ابر واگذار نمی­کند و فراهم­کننده برای کسب رضایت مشتری باید تضمین­هایی را فراهم کند. از اینرو در این پژوهش تخصیص منبع مبتنی بر SLA مورد بررسی قرار گرفته است. چنانچه SLA مورد نیاز کاربران رعایت شود کاربران این محیط­ها را بیشتر پذیرفته و با اطمینان بیشتری کارهایشان را به ابرها می­سپارند و در نتیجه بسیاری از هزینه­ها برای خرید سخت­افزار، نرم­­افزار و سایر تجهیزات از لیست هزینه­های سازمان­ها حذف شده و سازمان­ها به جای تمرکز بر روی خرید و تنظیم سخت­افزار، نرم­افزار، بستر و زیرساخت مورد نیاز بر روی اهداف استراتژیکشان تمرکز می­کنند.

     

    1- 2 اهمیت موضوع و اهداف

    با افزایش تقاضا برای تحویل سرویس­ها به تعداد زیادی از کاربران، فراهم­کنندگان نیاز دارند تا سرویس­های متفاوتی را به­گونه­ای که انتظارات کیفیتی کاربران را برطرف کنند ارائه دهند، از اینرو تهیه منبع در ابر بسیار دشوار است و فراهم­کننده منبع باید بهترین پیکربندی سخت/نرم­افزاری را به منظور تضمین اهداف QoS محاسبه کند تا سودمندی و اثربخشی محیط ماکزیمم شود.

                    منابع و سرویس­های ابر بر مبنای SLA (ابزاری برای تعریف قراردادها و اندازه­گیری معیارها در سناریوهای کسب­و­کاری و بیان­کننده قرارداد تضمین و تامین میزان معینی از QoS بین فراهم­کننده و کاربر) فراهم می­شوند. دستیابی به QoS برای رعایت SLA بسیار مهم است، چرا که میزان رضایت­مندی کاربر به میزان رعایت SLA بستگی دارد. در صورت برطرف نشدن SLA فراهم­کننده باید مبلغی را به عنوان جریمه به کاربر بپردازد، از اینرو نقض SLA باید مانعی باشد برای اجتناب از جریمه­های پرهزینه. نیازهای SLA ابزارهای متفاوت مختلف است (میزان CPU، RAM، فضای ذخیره­سازی، پهنای باند و زمان پاسخ) و از طرفی در زمان اجرای ابزارها ممکن است شرایط غیر قابل پیش­بینی از قبیل خطا در تخمین و بار کاری پویا رخ دهند، از اینرو روش­های متفاوتی برای تخصیص منبع مبتنی بر SLA ارائه شده است. بسیاری از این روش­ها فقط بر یک پارامتر ]11-9[ تمرکز کرده­اند و برخی چندین پارامتر ]25[، ]28[ و ]39[ را در نظر گرفته­اند و برای همین کارایی بالاتری دارند. برای برآورده کردن درخواست­های مشتری به منظور افزایش سهم بازار و کاهش هزینه باید موارد زیر را مورد توجه قرار داد.

    چگونگی مدیریت تغییر پویای درخواست­های مشتری

    چگونگی مواجه شدن با ناهمگونی زیر ساخت

    چگونگی نگاشت نیازهای مشتری به پارامترهای سطح زیرساخت

                    برای تامین نیازهای SLA ممکن است فراهم­کنندگان بخواهند برای هر درخواستی یک VM مجزا راه­اندازی کنند، در این صورت اگرچه ممکن است نیازهای سطح سرویس مثل زمان پاسخ و ظرفیت برطرف شوند، اما منابع سخت­افزاری هدر می­روند که در نهایت منجر به افزایش هزینه زیرساخت می­­شود، چرا که ممکن است درخواست، تمام منابع VMرا استفاده نکند. این روش و روش­های مشابه به نوعی تخصیص ایستا محسوب می­شوند. برای برطرف کردن این مشکل روش­های چند اجاره­ای[3] مطرح شدند که در آنها یک VM می­تواند بر اساس میزان منابعش چندین درخواست را سرویس­دهی کند، اما باید دقت شود که SLA درخواست­های مختلف رعایت شود و چنانچه بتوان روش­هایی ارائه داد که این مهم را رعایت کنند به کارایی بالاتری می­توان دست یافت (تخصیص­های پویا). در این پژوهش یک روش زمانبندی چند اجاره­ای با هدف استقرار درخواست­های یک کاربر بر روی چندین VM با در نظر گرفتن یک پارامتر SLA برای کاربر تحت عنوان مهلت زمانی ارائه شده است. بارکاری متفاوت به عنوان اولویت درخواست مطرح شده است که این اولویت را کاربر همراه با SLA به فراهم­کننده اعلام می­کند.

     

    1-3 ساختار پایان­نامه

    ساختار پایان­ نامه در فصل­های بعد به این صورت است که در فصل دوم مفهوم محاسبات ابری، ویژگی­های محاسبات ابری، معماری ابر، نقاط قوت و ضعف ابرها، انواع ابرها، اولین فراهم­کنندگان ابرها، تکنولوژی­های مرتبط و چالش­های مرتبط با این محیط­ها مطرح شده­اند. در فصل سوم ابتدا مفهوم تخصیص منبع شرح داده شده است و سپس چارچوب تخصیص منبع، مشکلات مرتبط با تهیه و تخصیص منبع مطرح شده­اند و در انتها روش­های مختلف تخصیص منبع معرفی شده­اند و مروری بر کارهای مرتبط با هر روش صورت گرفته است. فصل چهارم شامل تعریف مفهوم SLA، معرفی مولفه­های آن، مزایای آن، بررسی چرخه حیات SLA، بررسی مفهوم تخصیص منبع مبتنی بر SLA و مروری بر کارهای مرتبط با آن است. در فصل پنجم روش زمانبندی پیشنهادی شرح داده است که شامل یک الگوریتم زمانبندی و شرح جزئیات آن می­باشد و در فصل ششم چگونگی پیاده­سازی (ابزار مورد استفاده برای شبیه­سازی) و ارزیابی مورد بررسی قرار گرفته است و در فصل هفتم نیز نتیجه گیری و کارهای آینده مطرح شده است.

    The Improvement of SLA-based Resource Allocation

     in Cloud Computing Environments

    Abstract

    Cloud Computing is a new paradigm for delivery of virtualized software, hardware, infrastructure, platform, data and other resources "as a service", on demand and through the Internet. This paradigm is based on a "pay-as-you-use" model which means customers provision and pay for computing resources only when they use them, so in such environment there are three main agents: providers, customers and resources. The goal of clouds is to architect and design next generation of data centers as a network of virtualized services, So the customers can deploy their applications in clouds and access them everywhere and every time. Some issues in cloud environments are: security, resource management, scalability and etc. Cloud environments provide a large amount of resources and customers can scale up or scale down their resource needs; thus resource provisioning is one of the most important issues in clouds. Different models and techniques are represented for resource allocation. Service provisioning in Clouds is based on Service Level Agreements (SLAs) representing a contract signed between customer and service provider stating the terms of the agreement, including non-functional requirements of the service specified as Quality of Service (QoS). There are different algorithms for SLA based resource allocation. Some of them consider single SLA parameter, however performance of those which consider multiple SLA parameters is better. In order to attain the agreed SLA, providers must be able to schedule resources and deploy applications complying with SLA objectives and at the same time optimizing performance of applications.

    In this research at first we review cloud concept, its features, its types, some of cloud related issues, resource allocation framework, resource allocation issues and its related techniques. Then we review different SLA based resource allocation algorithms. In this research an improved SLA based resource scheduling algorithm is proposed. The aim of this algorithm is to deploy user’s requests on virtual machines (VM) with considering priority for requests, a SLA parameter (Deadline) for user and a SLA parameter (Cost) for provider which is the cost that provider must pay for SLA violation. The results are based on the cost. CloudSim is used for implementation. Evaluation of the proposed algorithm (dynamic algorithm: with considering migration, priority and SLA) is compared with simple allocation (no priority, no SLA and no migration) and static allocation (with SLA, priority and without migration). The results show that the cost in dynamic algorithm is lower because of considering SLA and priority, no preemption of VMs by requests and request miogration possibility. It also represents that the suggested algorithm is efficient for user request deployment and resource usage.  

     

     

     

    Key Words

    Cloud Computing, Virtual Machine, Resource Allocation, Service Level Agreement, Scheduling

  • فهرست و منابع پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری

    فهرست:

    فصل اول: مقدمه

    1-1 تعریف مسئله. 1

    1- 2 اهمیت موضوع و اهداف... 2

    1-3 ساختار پایان­نامه. 3

    فصل دوم: مفهوم و تعریف محاسبات ابری

    2-1 مقدمه­ای بر محاسبات ابری.. 4

    2-2 ویژگی­های محیط­های محاسبات ابری.. 6

    2-3 عناصر محاسبات ابری.. 8

    2-4 معماری ابر. 10

    2-5 مدل­های سرویس­دهی در ابر. 10

    2-6 انواع ابرها 12

    2-7 مزایای محاسبات ابری.. 12

    2-8 نقاط ضعف محاسبات ابری.. 13

    2-9 تکنولوژی­های مرتبط... 14

    2-10 اولین فراهم­کنندگان ابر. 15

    2-11 برخی مسائل مطرح در محاسبات ابری.. 15

    2-12 جمع­بندی.. 16

    فصل سوم: مفهوم و تعریف تخصیص منبع

    3-1 مقدمه. 17

    3-2 مفهوم تخصیص منبع. 17

    3-3 چارچوب تخصیص منبع. 17

    3-3-1 لایه­های مختلف چارچوب تخصیص منبع. 20

    3-4 مشکلات تخصیص منبع. 22

    3-5 روش­های تخصیص منبع. 23

    3-5-1 تخصیص منبع مبتنی بر کاهش مصرف انرژی.. 24

    3-5-3 تخصیص منبع مبتنی بر توافق­نامه سطح سرویس.... 27

    3-5-4 تخصیص منبع مبتنی بر بازار. 28

    3-6 جمع­بندی و کارهای آینده. 28

    فصل چهارم: تخصیص منبع مبتنی بر توافقنامه سطح سرویس

    4-1 مقدمه. 29

    4-2 مروری بر مفهوم توافق­نامه سطح سرویس.... 29

    4-3 مولفه­های SLA.. 29

    4-4  مزایای توافق­نامه سطح سرویس.... 32

    4-5  مدیریت SLA.. 33

    4-6 چرخه حیات SLA.. 33

    4-7 تخصیص منبع مبتنی بر SLA در محیط­های محاسبات ابری.. 35

    4-7-1 مروری بر مطالعات انجام شده در زمینه تخصیص منبع مبتنی بر SLA در محیط­های محاسبات ابری.. 35

    4-8 جمع­بندی.. 59

    فصل پنجم: روش زمانبندی پیشنهادی

    5-1 مقدمه. 56

    5-2 روش زمانبندی پیشنهادی.. 56

    5-2-1 شرح الگوریتم.. 62

    5-3 جمع­بندی.. 63

    فصل ششم: پیاده­سازی، ارزیابی

    6-1 مقدمه. 61

    6-2 ابزارهای شبیه­سازی محیط­های محاسبات ابری.. 66

    6-2-1 Aneka. 68

    6-2-2  CloudSim... 71

    6-3 پیاده­سازی روش پیشنهادی.. 76

    6-4   ارزیابی روش پیشنهادی.. 82

    6-5 جمع­بندی.. 86

    فصل هفتم: نتیجه­گیری و پیشنهادات

    7-1 جمع­بندی.. 81

    7-2 پیشنهادات... 88

    مراجع. 88

     

    منبع:

    [1] Michael A, Armando F, Rean G, Anthony D, Randy K, Andy K, Gunho L, David A, Ariel R, Ion S and Matei Z "Above the Clouds: A Berkeley View of Cloud Computing" February 10, 2009.

    [2] www.wikipedia.org.

    [3] Buyya R, Pandey S and Vecchiola C "Cloudbus Toolkit for Market-Oriented Cloud Computing" 2009.

    [4] رحیمی ریسه ش "محاسبات ابری سبز" پروژه دوره کارشناسی 6-9 ، 1391 .

    [5] Banerjee C, Kundu A, Bhaumik S, Sinha R and Babu R "Framework on Service based resource Selection in Cloud Computing" 2009.

    [6] Gulati A, Shanmuganathan G and Holler A "Cloud-Scale Resource Management: Challenges and echniques" 2010.

    [7] Yoo H, Cinyoung H, Kim S and Kim Y "An Ontology-based Resource Selection Service on Science Cloud" 2010.

    [8] Shubhangi D and Mehrotra S "Resource Allocation and Scheduling in the Cloud" 2009.

    [9] Minhquan D, Basmadjian R, DeMeer H, Lent R, Mahmoodi T, Sannelli D, Mezza F and Dupont C "Energy efficient resource allocation strategy for cloud data centres" 2011.

    [10] Beloglazov A and Buyya R "Energy Efficient Allocation of Virtual Machines in Cloud Data Centers" 2010.

    [11] R Basmadjian, N Ali, F niedermeier, H d Meer and G Giuliani "A Methodology to Predict Power Consumption for Data Centers " 2011.

    [12] Younge A, Laszewski G, Wang L, Lopez-Alarcon S and Carithers W "Efficient Resource Management for Cloud Computing Environments" 2011.

     [13] Chimakurthi L and Kumar M "Power Efficient Resource Allocation for Clouds Using Ant Colony Framework" 2011.

    [14] KaurGrewal R and KumarPateriya P "A Rule-based Approach for Effective Resource Provisioning in Hybrid Cloud Environment" 2010.

    [15] Buyya R, Kumar G and Calheiros N "SLA-Oriented Resource Provisioning for Cloud Computing: Challenges, Architecture, and Solutions" International Conference on Cloud and Service Computing, 2011.

    [16] Vecchiola C, Calheiros N, Karunamoorthy D and Buyya R "Deadline-driven provisioning of resources for scientific applications in hybrid clouds with Aneka " 2012.

    [17] Goir I and et al "Supporting CPU-based Gaurantees in Cloud SLAs via Resource-Level QoS Metrics" 2011.

    [18] Lin W, YuLin G and YuWei H "Dynamic Auction Mechanism for Cloud Resource Allocation" 2011.

    [19] Goudarzi H and Pedram M "Maximizing Profit in Cloud Computing System via Resource Allocation" 2011.

    [20] Wu L and Buyya R "Service Level Agreement (SLA) in Utility Computing System" 2010.

    [21] Ye L, Zhang H, Shi J and DuX "Verifying Cloud Service Level Agreement" 2012.

    [22] Brandic I, Emeakaroha V.C, Maurer M, Dustdar S, Acs S, Kertes A and Kecskemeti G "LAYSI: A layered approach for SLA-violation propagation in self-manageable cloud infrastructures" Proceedings of 34th Annual IEEE Computer Software and Applications ConferenceWorkshops, 366-370, 2010.

    [23] Bonvin N, Papaioannou G and Aberer K "Autonomic SLA-driven Provissioning for CloudApplications" 2009.

    [24] Emeakaroha V, Netto M, Calheiros R, Brandic I, Buyya R and Cesar A "Towards autonomic detection of SLA violations in Cloud infrastructures" 2011.

    [25] Emeakaroha V, Brandic I, Maurer M and Breskovic I "SLA-Aware Application Deployment and Resource Allocation in Clouds" 2012.

    [26] Hu Y, Wong J, Iszla G and Litoiu M "Resource Provisioning for Cloud Computing" 2011.

     

     

    [27] Wu L, Garg S.K and Buyya R "SLA-based admission control for a Software-as-a-Service provider in Cloud computing environments" Journal of Computer and System Sciences 78, 1280–1299, 2012.

    [28] Linlin W, Garg S.K and Buyya R "SLA-based Resource Allocation for Software as a Service Provider (SaaS) in Cloud Computing Environments" IEEE 2011.

    [29] Van H.N and Menaud J-M "SLA-aware virtual resource management for cloud infrastructures" 9th IEEE International Conference on Computer and Information Technology (CIT'09), Xiamen: China, 2009.

    [30] Garg S.K, Gopalaiyengar S.K and Buyya R "SLA-Based Resource Provisioning for Heterogeneous Workloads in a Virtualized Cloud Datacenter" 2011.

    [31] Das S, Kagan M and Crupnicoff D "Faster and Efficient VM Migrations forImproving SLA and ROI in Cloud Infrastructures" 2010.

    [32] Chawla Y and Bhonsle M "A Study on Scheduling Methods in Cloud Computing" International Journal of Emerging Trends and Technology in computer science (IJETTCS), 2012.

    [33] Kim H, Kang M, Kang S and Oh S "A Novel Adaptive Virtual Machine Deployment Algorithm for Cloud Copmuting" 2009.

    [34] Kuhn H.W "Hungarian Method for the Assignment Problem" Naval Research Logistics Quarterly, 2, 83—97, 1995.

    [35] Yeo C.C and Buyya R "Service Level Agreement based Allocation of Cluster Resources: Handling Penalty to Enhance Utility" 2009.

    [36] Calheiros R.N, Ranjan R and Buyya R "Virtual Machine Provisioning Based On Analytical Performance and QoS in Cloud Computing Environments" 2011.

    [37] Bhaskar R, Deepu S.R and Shylaja B.S "Dynamic Allocation Method for Efficient Load Balancing In Virtual Machines for Cloud Computing Environments" 2012.

    [38] Emeakaroha V.C, Tiago C.F, Netto M, Brandic I and Cesar A.F "CASViD: Application Level Monitoring for SLA Violation Detection in Clouds" 2009.

    [39] Emeakaroha V.C, Brandic I, Maurer M and Breskovic I "SLA-Aware Application Deployment and Resource Allocation in Cloud" 2011.

    [40] Cucinotta T, Gogouvitis S and Kostanteli K "SLAs in Virtualized Cloud Computing Infrastructures with QOS Assurance" 2011.

    [41] Bonvin N, Papaioannou Th and Aberer K "Autonomic SLA-driven Provioning for Cloud Applications" 2010.

    [42] Borgetto D, Maure M, Da-Costa G, Peirson J-M and Brandic I "Dynamic Allocation Method for Efficient Load Balancing In Virtual Machines for Cloud Computing Environment" 2012.

    [43] Buyya R, CHU X, Vecchiola Ch "Aneka: A Software Platform for .NET-based Cloud Computing" 2009.

    [44] Kumar S et al "Aneka as PAAS (Cloud Computing)" Journal of Computing Technologies ISSN, 2278 – 3814, 2009.

    [45] Calheiros R, Ranjan R, Beloglazov A, DeRose F and Buyya R "CloudSim: A Toolkit for Modeling and Simulation of Cloud Computing Environment and Evaluation of Resource Provisioning Algorithms", 1-24, IEEE 2011.

    [46] Das K "Extention of CloudSim: cloud computing simulator" 2012.

    [47] Buyya R, Ranjan R and Calheiros R.N "Modeling and simulation of scalable cloud computing environments and the Cloudsim toolkit: challenges and opportunities "in High performance computing and simulation, HPCS'09. International conference on, 1-11, IEEE 2011.

    [48] Wickremasinghe B, Calheiros R and Buyya R "CloudAnalyst: A CloudSim-based Visual Modeller forAnalysing Cloud Computing Environments and Applications" IEEE 2010.



تحقیق در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, مقاله در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, پروژه دانشجویی در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, پروپوزال در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, تز دکترا در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, تحقیقات دانشجویی درباره پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, مقالات دانشجویی درباره پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, پروژه درباره پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, گزارش سمینار در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, پروژه دانشجویی در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, تحقیق دانش آموزی در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, مقاله دانش آموزی در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری, رساله دکترا در مورد پایان نامه بهبود روش های تخصیص منبع مبتنی بر توافق نامه سطح سرویس در محیط های محاسبات ابری

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس